在海上石油开采作业中,对于钻孔位置的选取与建立,是一个非常复杂的过程。在这个过程中需要对地层有一定的了解,才能保证钻井的出油量,以及平台的安全。在地层信息数据采集方面,对于地层信息目前采用的方法为文字描述法,这样不利于数据分析。因此,在数据分析方面,目前仍然采用人工连线法,这对于操作人员的经验技术要求甚高,造成了研究人员在工作过程中的效率低下。在数据预测方面,尽管掌握大量数据,但是并没有对其潜在价值进行深入挖掘。为了提高我国关于海上石油开采效率,本文通过设计地质数据管理平台,采用BP神经网络对地质进行预测:首先,针对地质预测的发展过程与现状做了大量的研究。了解到早期的数理统计在地质预测方面有很大的局限性。针对BP神经网络在地质预测方面的优势做了深入的了解。其二,深入研究了BP神经网络的网络结构、数学原理以及工作方式。分析了BP神经网络用于地层预测的优越性。并且对BP神经网络算法进行了改进实现,实现的过程包括结构模块搭建,初始化模块设计,训练模块设计中向前传播类和权值调整的设计,并采用异或算法对设计的网络进行可靠性测试。其三,针对文字化描述的土层数据进行了数字化处理,处理方法包括大排序与分类排序两种。在数据进行了数字化之后,设计了隐含层为3,输入结点为3,输出结点为1,隐含层节点为7的神经网络。通过已知的地层数据对网络进行训练,最后将原始数据输入到网络中,将输出结果与原始数据进行对比,确定网络的预测精度。最后,通过OpenGl构建三维空间,将地层数据进行可视化处理,将已知数据在空间中进行标注,并且通过训练好的BP网络对未知区域进行预测,将预测结果填充到空间里。并且针对三维空间进行横纵方向的截图,为操作人员提供更丰富的数据参照,大大的提高了研究人员的工作效率。